De monsterlijke katten van Pix2pix ondersteund door TensorFlow, duurden niet lang om het hele web te doorkruisen, en het was natuurlijk een kwestie van tijd voordat iemand die code oppakte en besloot een andere oplossing te maken. Kunstmatige intelligenties zijn erg goed in het herkennen van objecten en gezichten, maar als het gaat om het genereren van een beeld op basis van een eenvoudige set gegevens, moeten ze nog veel leren. Wat zou een 'eenvoudige set' gegevens zijn? Teken met de hand een gezicht in het vakje en laat Pix2pix een beetje zweten...
Het maakt niet uit hoe complex het is, de sleutel voor elke kunstmatige intelligentie is training. Als dit een beetje klinkt als brute kracht, is dat omdat het in zekere zin ook zo is: als je een kunstmatige intelligentie wilt die formidabel is in het herkennen van sinaasappels en citroenen, is de meest effectieve manier om haar miljoenen afbeeldingen te voeren, haar al haar fouten te laten maken en te zien hoe ze verbetert. Dit proces vereist aanzienlijke verwerkingskracht, en de nieuwste ontwikkelingen zijn gericht op het verkorten van de trainingstijd, maar tegelijkertijd is er de mogelijkheid om een algoritme uit zijn comfortzone te halen en het vreemde interpretaties te laten maken.
Een van de beste voorbeelden met vrije toegang voor de gebruiker is Pix2pix. De eerste keer dat we het van dichtbij zagen was in februari, toen programmeur Christopher Hesse een TensorFlow-compatibele poort creëerde. Zijn doel was om alles wat getekend werd te interpreteren alsof het een kat was, en als ik “iets” zeg, laten we zeggen dat zelfs een Beholder vacht en kattenogen kon krijgen. Deze nieuwe versie richt zich op menselijke gezichten en hangt eigenlijk af van hoe complex de bron is. Als we naar de referentieafbeelding kijken, is het resultaat erg goed, en zelfs als we het een beetje veranderen, probeert het toe te passen wat het heeft geleerd, bijvoorbeeld een nek creëren waar er geen is.
Het spreekt voor zich dat het weinige verstand van Pix2pix van de klif vliegt wanneer we het dwingen om eenvoudige krabbels te verwerken. Als de prioriteit is om alles als een menselijk gezicht te zien, kunnen er erg grappige dingen uitkomen, of monstrositeiten die de meester H.R. Giger waardig zijn. Helaas heb ik geen geavanceerde technische gegevens over deze generator, behalve de maker, NPO (de publieke omroep van Nederland), en de dataset, gebaseerd op beelden van journaliste Lara Rense. Probeer iets te tekenen en deel de resultaten.
